标签
本文讨论了在多代理AI编码工作流中维护审计跟踪的挑战，强调了代理身份、委托和溯源对于管理责任和控制的必要性。
Apple在iPhone 18 Pro上推出可选的相机模式，使用基于硬件的密码学签名和云处理来验证照片真实性，拒绝C2PA标准，转而采用基于硬件的方案。
本文介绍了ClaimReceipt，一种与声明相关的收据规范和验证器，用于验证代理评估中的证据充分性和覆盖范围，并通过历史记录和前瞻性审计的实验进行验证。
文章分析了 Ox Alpha AI 模型的来源和审查行为，将其识别为 GLM 家族的一部分，并揭示了在特定话题如国内事件上的独特审查模式。
ECHO 是一个认知启发的、可审计的记忆架构，适用于长时程代理，在 LoCoMo 和 LongMemEval-S 等基准测试中表现出高检索性能。
本文提出了一种面向制造知识图谱的可组合信任基础设施，专注于跨系统溯源、时间推理和决策可追溯性。
SchemaRouter为异构智能体RAG系统引入了一个轻量级的模式图路由层，通过仅选择必要的工具和字段来最小化检索开销，同时保持答案准确性和出处归因。
本文提出了一种针对自主科学代理的主张感知可观测性框架，强调工件沿袭和审计关系，以提高科学工作流程的透明度和错误检测能力。
本文提出了中心化残差签名，用于语言模型检查点的无数据谱系验证，展示了在区分微调后代与不相关模型方面的高准确性和计算效率。
文章批判了AI生成文本的概念以及水印技术在证明AI参与方面的有效性，认为它可能无法捕捉人类贡献，并突出了定义‘AI垃圾’时的模糊性。
本文介绍了Matrix，一个用于智能体工作流的确定性因果状态层，它记录权威与事实依赖、验证完成证据，并选择性地使过期工作失效，以确保受治理的执行和可审计性。
一篇博客文章及配套推文探讨了随着互联网充满合成内容，生成式AI之前的数据是否变得更有价值，讨论了来源、模型崩溃以及Anthropic的图书扫描。
介绍了 MAP-Graph，一个面向多智能体工作流的溯源感知共享内存层，它通过权限过滤、路径信任重排序，并对风险操作进行门控，在受控基准测试中实现了 94.96% 的任务成功率。
介绍开源项目 Semantica，它通过构建 Context Graph / Knowledge Graph 为 AI Agent 提供可追溯的决策依据和支持审计的能力，适用于金融、医疗等对可解释性要求高的场景。
Anthropic 宣布将对所有 Claude 文本输出添加水印，这种水印嵌入在词语选择中而非字节中，几乎无法察觉；本文分析其工作原理以及文本水印可以隐藏的层级。
OMEM 是一个面向 AI 智能体的记忆层，能随时间追踪信念、呈现矛盾并保留溯源信息，旨在取代静态的向量存储记忆。作者正在为这个尚未达到生产就绪状态的工具寻找早期测试者。
Anthropic 正在为所有 Claude 文本输出添加不可见水印，并为受支持的文件添加带签名的 C2PA 来源元数据，这符合《欧盟人工智能法案》透明度行为准则，检测机制将在稍后详细说明。
本文介绍了 GPTKB 2.0，这是一个由 LLM 派生的大规模去歧义知识库，包含 160 万个规范化实体上的 3840 万条三元组。它提供了一个网页界面，用于浏览、SPARQL/自然语言查询，以及审计事实来源和消歧决策。